[发明专利]一种基于自然最近邻与最短路径的密度峰值聚类方法

说明书

一种基于自然最近邻与最短路径的密度峰值聚类方法，包括以下步骤：S1、获取数据集，采用自然最近邻算法求解数据点的自然最近邻和反向自然最近邻，并构建数据集的反向自然最近邻域图(Reverse Natural Nearest Neighborhood Graph：RNG)；S2、根据数据点的自然最近邻和反向自然最近邻，求解数据点的局部密度和归一化局部密度；S3、依据数据点的归一化局部密度，获得候选聚类中心集，并依据RNG计算每个候选聚类中心的自然最短距离；S4、根据每个候选聚类中心的归一化局部密度和自然最短距离，构建决策图，选出正确的聚类中心；S5、按新的分配策略得到最终的聚类结果。不需要选取截止距离，并且可以有效处理复杂结构的数据集。

技术领域

本发明属于聚类分析技术领域，尤其涉及一种基于自然最近邻与最短路径的密度峰值聚类方法。

背景技术

聚类是一种无监督分类方法，根据样本的属性，将样本划分为若干簇，使得同一个簇内的样本具有较高的相似性，不同簇内的样本具有较低的相似性。聚类在商业、医学诊断、图像处理、信息检索和生物信息学等领域都有广泛的应用。聚类作为数据挖掘和机械学习领域重要的研究课题，研究学者已经提出了大量的聚类算法，典型的聚类算法包括基于划分的k-means和K-medoids、基于层次的CURE和BIRCH、基于模型的统计学聚类、基于密度的DBSCAN和OPTICS、基于网格的CLIQUE和STING等算法。

密度峰值聚类算法(Clustering by fast search and find of Density Peaks，DPC)是Alex Rodriguez等人于2014年在《Science》上提出的一种新的基于密度的算法，DPC算法与传统的聚类算法相比较有以下优点：一，原理简单且具有较高的效率；二，只需要较少的参数和无需迭代就能实现数据集的处理。基于以上优点，其研究具有很大的科研价值和应用潜力。但DPC算法也存在一些缺陷：一，需要凭借经验选取截止距离；二，局部密度和距离的定义过于简单，使DPC在具有多密度和流形等复杂数据集上效果不理想；三，其分配策略不健全，容错性差。

针对上述问题，亟需一种基于自然最近邻与最短路径的密度峰值聚类方法。

发明内容

(一)要解决的技术问题

为了解决现有技术的上述问题，本发明提供了一种基于自然最近邻与最短路径的密度峰值聚类方法。不需要选取截止距离，并且可以有效处理复杂结构的数据集。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

一种基于自然最近邻与最短路径的密度峰值聚类方法，包括以下步骤：

步骤S1、获取数据集，根据自然最近邻算法求解数据集中数据点x_i的自然特征值sup_k和反向自然最近邻值rnb_i，并构建数据集的反向自然最近邻域图RNG。

步骤S2、根据数据点x_i的自然特征值sup_k和反向自然最近邻值rnb_i，计算数据点x_i的局部密度ρ_i和归一化局部密度Nρ_i：